文献

J-GLOBAL ID：202102227912289329   整理番号：21A2454659

地上ベースのクラウド認識のための多重証拠とマルチモード融合ネットワーク【JST・京大機械翻訳】

Multi-Evidence and Multi-Modal Fusion Network for Ground-Based Cloud Recognition

著者 (5件)： Liu Shuang (Tianjin Key Laboratory of Wireless Mobile Communications and Power Transmission, Tianjin Normal University, Tianjin 300387, China) ,  Li Mei (Tianjin Key Laboratory of Wireless Mobile Communications and Power Transmission, Tianjin Normal University, Tianjin 300387, China) ,  Zhang Zhong (Tianjin Key Laboratory of Wireless Mobile Communications and Power Transmission, Tianjin Normal University, Tianjin 300387, China) ,  Xiao Baihua (The State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China) ,  Durrani Tariq S. (Department of Electronic and Electrical Engineering, University of Strathclyde, Glasgow G11XQ, UK)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 3  ページ： 464  発行年： 2020年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 近年,深層ニューラルネットワークは地上クラウド認識において多くの注目を集めている。しかし,そのような種類の方法は,視覚情報からグローバルな特徴の学習を単純に中心とし,地上ベースのクラウドの不完全な表現を引き起こす。本論文では,地上ベースクラウド認識のために,多重分割とマルチモーダル融合ネットワーク(MMFN)という新しい方法を提案し,統一フレームワークにおける不均一特徴を融合することにより,拡張クラウド情報を学習することができた。すなわち,MMFNは,主ネットワークとテントテントネットワークを用いた地上ベースクラウド画像から,大域的および局所的視覚特徴,すなわち,大域的および局所的視覚特徴の複数の部分を利用する。意図的ネットワークにおいて,局所視覚特徴を,畳み込み活性化マップから顕著パターンを精緻化することによって得られる意図的マップから抽出した。一方,MMFNにおけるマルチモーダルネットワークは,地上ベースクラウドのマルチモーダル特徴を学習する。マルチモーダルとマルチ識別視覚特徴を完全に融合するために,MMFNにおける2つの融合層を設計し,大域的および局所的視覚特徴を有するマルチモーダル特徴をそれぞれ取り込んだ。さらに,地上ベースクラウド画像を含むだけでなく,各クラウド画像に対応するマルチモーダル情報も含むMGCDと名付けた最初のマルチモーダル地上ベースクラウドデータセットを解放した。MMFNをMGCD上で評価し,最先端の方法と比較して88.63%の分類精度を達成し,地上ベースのクラウド認識に対するその有効性を検証した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *ネットワーク ,  *多重化 ,  *多モード ,  有効性
準シソーラス用語： 視覚情報 ,  分類精度 ,  マルチモーダル融合 ,  視覚顕著 ,  ディープニューラルネットワーク ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 地上ベースのクラウド認識 ,  畳込みニューラルネットワーク ,  特徴融合

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

引用文献 (64件)：

• Ceppi, P.; Hartmann, D.L. Clouds and the atmospheric circulation response to warming. J. Clim. 2016, 29, 783-799.
• Zhou, C.; Zelinka, M.D.; Klein, S.A. Impact of decadal cloud variations on the Earth’s energy budget. Nat. Geosci. 2016, 9, 871.
• McNeill, V.F. Atmospheric aerosols: Clouds, chemistry, and climate. Annu. Rev. Chem. Biomol. 2005, 8, 258-271.
• Huang, W.; Wang, Y.; Chen, X. Cloud detection for high-resolution remote-sensing images of urban areas using colour and edge features based on dual-colour models. Int. J. Remote Sens. 2018, 39, 6657-6675.
• Liu, Y.; Tang, Y.; Hua, S.; Luo, R.; Zhu, Q. Features of the cloud base height and determining the threshold of relative humidity over southeast China. Remote Sens. 2019, 11, 2900.

タイトルに関連する用語 (6件)： 地上 ,  クラウド ,  多重 ,  証拠 ,  マルチモード ,  融合